求解偏微分方程的卷积迭代方法

偏微分方程的数值求解是数学中长期存在的挑战。本文基于偏微分方程的差分格式提出了一种卷积迭代求解方法。该方法以偏微分方程的差分格式为基础构造卷积迭代格式并提取卷积核，通过卷积核扫描数值解图像的方式逼近偏微分方程的解。本文方法直接在数值解图像上进行卷积迭代，从而替代了传统数值方法求解离散线性方程组的过程。针对定常以及非定常的偏微分方程的不同数值格式分别提出了卷积迭代求解算法。数值算例表明，卷积迭代方法在GPU上求解大规模问题的效率优于传统ADI算法等。本文方法实施简洁、能够求解高维及非线性的偏微分方程问题且保持差分格式的理论精度。     

三维泊松方程基于Richardson外推的高精度多重网格解法

基于三维泊松方程的四阶紧致差分格式,利用Richardson外推法、算子插值法和多重网格算法,使已有四阶紧致差分格式的计算精度整体提高二阶,精度达到六阶.数值实验验证六阶格式的精确性和多重网格方法的有效性,并与四阶紧致差分格式多重网格方法的计算结果进行比较.     

改进PINNs方法求解边界层对流占优扩散方程

针对物理信息神经网络(PINNs)在求解边界层附近存在剧烈梯度变化的对流占优扩散方程时无法得到足够精度的问题，本文提出一种具有参数渐进思想的神经网络求解方法。该方法首先近似大扩散参数方程的光滑解，然后逐步减小扩散参数并将大扩散参数下的网络最优参数作为小扩散参数神经网络的初始值进行训练，通过参数循环反复优化物理信息神经网络，提高神经网络的表征能力，从而提升物理信息神经网络逼近对流占优扩散问题的求解精度，最后获得小扩散参数的高精度奇异解。经过对本文方法与PINNs以及gPINNs方法在精度和收敛效率方面的对比分析表明，本文方法在未知边界层位置条件下，能够高效地近似对流占优扩散方程的大梯度解，实现10^-3量级的精度。同时，本文方法在收敛速度和稳定性方面比PINNs和gPINNs具有更好的优势和性能。     

基于自回归分布滞后模型的高炉铁水硅含量的预报

高炉冶炼过程中,铁水硅含量是评定高炉炉况稳定性和生铁质量的重要指标,其预测和控制对高炉的稳定顺行有重要意义.基于包钢6号高炉的生产数据,建立差分时间序列的自回归分布滞后模型对高炉铁水硅含量进行预测.结果表明:在炉况波动较小的情况下,该模型的预测命中率能达到87.5%,对实际的生产操作过程有一定的指导意义.     

对流扩散问题非均匀网格上的部分半粗化多重网格方法

结合非均匀网格上的 HOC 格式与部分半粗化的多重网格方法对具有边界层的2维对流扩散问题进行了求解,并基于面积率构造了部分半粗化多重网格方法的插值算子和限制算子。数值实验表明:对于只需要在1个方向进行网格加密的边界层问题,基于部分半粗化的网格分布策略及多重网格算法可以大大减少无边界层方向的网格数,从而较完全粗化的网格分布策略及多重网格算法具有更高的计算精度和求解效率。     

基于三维对流扩散方程四阶紧致差分格式的预条件迭代法

针对三维对流扩散方程,采用四阶紧致差分格式和预条件迭代法进行数值实验,利用带填补数的不完全LU分解（ILUT（τ,s））做预处理器,FGMRES（20）做迭代加速器对离散所得方程组进行求解．验证了四阶紧致差分格式的计算精度,通过比较预条件迭代法与高斯一赛德尔迭代法以及超松弛迭代法的迭代次数和CPU时间,充分显示了预条件迭代法的高速求解特性．     

对流扩散方程非均匀网格上四阶紧致格式的预条件迭代法

利用带填补数的不完全LU分解(ILUT(τ,s))作预处理器以及FGMRES(20)作迭代加速器,对非均匀网格上二维对流扩散方程的高精度紧致差分格式进行数值实验,并与均匀网格上的计算结果进行对比,数值结果显示出非均匀网格上本文方法的优越性,在合适的网格伸缩系数下,本文方法不仅能够保证格式的四阶精度,而且降低了误差的数量级.同时,比较了预条件迭代法与传统迭代法的求解效率,结果表明预条件方法的单位对数残差几乎成直线下降,相比传统迭代法有明显的计算优势.     

基于人工神经网络的椭圆型微分方程数值求解

神经网络因其能够无限逼近任意非线性函数的特性,为求解微分方程提供了一种新的思路.通过神经网络训练,得到偏微分方程的近似解是连续函数,且具有足够的精度,因此可以得到解的任意阶导数.该方法的优势在于当问题维数增大时,计算量和存储量增加相对较小,可以克服维数灾难求解高维问题.同时,具有良好的泛化性和求解复杂区域问题的能力.针...     

边界层对流扩散方程在自适应网格上的高精度紧致格式

对流扩散方程在非均匀网格上的高精度紧致格式具有精度高、模板小等优势,然而现有方法往往需要事先指定边界层或大梯度的位置,利用网格分布函数生成非均匀网格并调整网格分布参数,这严重影响方法的适用性.本文提出了一种在二维计算区域上生成正交网格的自适应方法,根据物理解的特征对网格的分布进行自适应调整,并结合非均匀网格上的高精度紧致格式对一维及二维边界层对流扩散问题进行求解.数值结果表明,自适应网格方法结合高阶紧致格式可以有效求解边界层问题,提高数值解的精度,减少计算所需的网格和计算量.     

高炉铁水硅含量序列的支持向量机预测模型

基于包钢6号高炉的在线生产数据,首先建立铁水硅含量序列的自回归AR(p)模型,分析其滞后阶数;然后对硅含量的自回归项及影响因素进行主成分分析,找到多元变量相互独立的有效信息作为输入变量;最后建立铁水硅含量的支持向量机回归预测模型。该模型对炉温预测的准确度达到88.2%,对在线监测高炉炉温具有一定的实用价值。